利用观看时长反馈进行短视频推荐：一种因果标注框架
信息检索
2023-08-29 v2
摘要
随着短视频应用的普及，短视频推荐的重要性大幅提升。与其他推荐场景不同，短视频推荐系统严重依赖来自观看时长的反馈。现有方法简单地将观看时长视为直接标签，未能有效利用其丰富语义并引入偏差，从而限制了基于观看时长建模用户兴趣的潜力。为克服这一挑战，我们提出一个名为去偏多语义提取标注（DML）的框架。DML 利用从观看时长分布导出的分位数构建涵盖多种语义的标签，优先考虑相对顺序而非绝对标签值。该方法便于模型学习，同时与推荐的排序目标一致。此外，我们引入一种受因果调整启发的方法来精炼标签定义，从而在标签层面直接缓解偏差。我们通过线上和线下实验证实了 DML 框架的有效性。大量结果表明，我们的 DML 能有效利用观看时长发现用户的真实兴趣，提升其在应用中的参与度。
引用
@article{arxiv.2306.17426,
title = {Leveraging Watch-time Feedback for Short-Video Recommendations: A Causal Labeling Framework},
author = {Yang Zhang and Yimeng Bai and Jianxin Chang and Xiaoxue Zang and Song Lu and Jing Lu and Fuli Feng and Yanan Niu and Yang Song},
journal= {arXiv preprint arXiv:2306.17426},
year = {2023}
}
备注
8 pages, 4 figures